Gehirn-Computer-Schnittstellen gibt es in zwei sehr unterschiedlichen Formen. Manche nutzen Elektroden, die ins Gehirn implantiert werden — das erfordert eine Operation, liefert aber detaillierte Signale. Die meisten nutzen ein EEG, Elektroden in einer Kappe auf der Kopfhaut: keine Operation, günstig und sicher, aber viel ungenauer. Von den 280 Studien zu Gehirn-Computer-Schnittstellen im US-Studienregister haben wir 129 als nicht invasiv und 59 als implantiert eingeordnet. Was kann ein Computer also tatsächlich aus einem EEG lesen?
Dies ist Teil 4 von Level 1 in unserem Lernpfad Physical AI. Wir haben eine klassische Aufgabe an öffentlichen EEG-Aufnahmen von 106 Freiwilligen getestet: Erkennt ein Programm, ob sich ein Mensch vorstellt, die linke oder die rechte Faust zu schließen? Sie erfahren, was ein EEG misst, welches Muster im Gehirn das möglich macht und warum es bei manchen Menschen gut funktioniert und bei den meisten kaum.
Was ein EEG misst
Jeder Gedanke und jede Bewegung geht mit winzigen elektrischen Strömen im Gehirn einher. Wenn Millionen Nervenzellen in derselben Region im gleichen Rhythmus aktiv sind, addieren sich ihre Ströme zu einer winzigen Spannung auf der Kopfhaut, gemessen in millionstel Volt. Schädel und Haut verwischen dieses Signal, ein EEG sieht also keine einzelnen Nervenzellen. Es sieht die Summe großer Gruppen — ein wenig so, als hörte man ein Stadion von draußen, ohne ein einziges Gespräch zu verstehen.
Gut zeigt ein EEG dagegen Rhythmen. Über der motorischen Hirnrinde, dem Streifen des Gehirns, der Bewegungen steuert, liegt ein Rhythmus von etwa 8 bis 13 Wellen pro Sekunde, der Mu-Rhythmus. Er ist stark, wenn der Körper ruht. Bewegen Sie eine Hand oder stellen Sie es sich nur vor, wird der Mu-Rhythmus schwächer, und zwar vor allem auf der gegenüberliegenden Seite des Gehirns: Die linke Hirnhälfte steuert die rechte Hand, die rechte Hirnhälfte die linke. Fachleute nennen diese Abschwächung ereignisbezogene Desynchronisation.
Das Muster in unseren Daten
Die Aufnahmen stammen von 64 Elektroden. Zwei davon sitzen direkt über den Handbereichen der motorischen Hirnrinde: C3 links und C4 rechts. Wir haben an beiden die Stärke des Mu-Rhythmus gemessen, während sich die Freiwilligen eine Bewegung vorstellten, und mit der Ruhe verglichen.
Stellten sich die Menschen vor, die rechte Faust zu schließen, wurde der Mu-Rhythmus über der linken Hirnhälfte (C3) um 15,4 % schwächer, über der rechten (C4) nur um 9,7 %. Bei der linken Faust war es umgekehrt: 15,7 % an C4 und 12,4 % an C3.
| Vorgestellt | Über C3 (linke Hirnhälfte) | Über C4 (rechte Hirnhälfte) |
|---|---|---|
| Linke Faust | -12,4 % | -15,7 % |
| Rechte Faust | -15,4 % | -9,7 % |
Eigenes Experiment mit dem EEG Motor Movement/Imagery Dataset (G. Schalk u. a., BCI2000; PhysioNet, Lizenz ODC-By 1.0), abgerufen am 18.10.2026: 106 Probanden, Läufe 4, 8, 12 (Vorstellung linke oder rechte Faust), 64 Kanäle. Bandpass 8–30 Hz, Fenster 0,5–2,5 s nach dem Hinweis, Common Spatial Patterns und lineare Diskriminanzanalyse, fünffache Kreuzvalidierung je Proband; fester Startwert.
Das Muster ist da, genau wie im Lehrbuch. Doch achten Sie auf die Größe: Der Unterschied zwischen den Seiten beträgt nur wenige Prozentpunkte, und das sind Mediane über alle Freiwilligen. In einem einzelnen Versuch von vier Sekunden einer einzelnen Person geht das Muster im Rauschen von Lidschlägen, Muskelanspannung und elektrischen Störungen unter.
Kann ein Programm es lesen?
Um das herauszufinden, haben wir für jede Person einen eigenen Decoder mit einem klassischen Verfahren der BCI-Forschung trainiert. Common Spatial Patterns verbinden die 64 Elektroden zu wenigen Signalen, in denen der Unterschied zwischen links und rechts möglichst groß ist; ein einfacher linearer Klassifikator entscheidet dann. Im Median hatte jede Person 45 Versuche absolviert, und wir haben mit fünffacher Kreuzvalidierung getestet: Der Decoder sah die Versuche, an denen er geprüft wurde, nie beim Training.
Raten ergäbe 50 %. Die mittlere Person erreichte 58,9 %. Bei 31 von 106 Personen (29,2 %) kam der Decoder auf 70 % oder mehr — eine Marke, die in der BCI-Forschung oft als Minimum für eine brauchbare Verständigung genannt wird. Die beste Person erreichte 100 %. Nur bei 35 Personen (33 %) lag das Ergebnis klar über dem Zufall; bei 45 Versuchen braucht es dafür mindestens 64,4 % richtige Antworten. Bei rund zwei Dritteln der Freiwilligen konnte unser Decoder links und rechts nicht zuverlässig unterscheiden.
| Richtig erkannt | Probanden | Anteil |
|---|---|---|
| 25 bis unter 30 % | 1 | 0,9 % |
| 30 bis unter 35 % | 1 | 0,9 % |
| 35 bis unter 40 % | 4 | 3,8 % |
| 40 bis unter 45 % | 12 | 11,3 % |
| 45 bis unter 50 % | 12 | 11,3 % |
| 50 bis unter 55 % | 12 | 11,3 % |
| 55 bis unter 60 % | 11 | 10,4 % |
| 60 bis unter 65 % | 18 | 17,0 % |
| 65 bis unter 70 % | 4 | 3,8 % |
| 70 bis unter 75 % | 9 | 8,5 % |
| 75 bis unter 80 % | 3 | 2,8 % |
| 80 bis unter 85 % | 8 | 7,5 % |
| 85 bis unter 90 % | 4 | 3,8 % |
| 90 bis unter 95 % | 4 | 3,8 % |
| 95 bis unter 100 % | 3 | 2,8 % |
Quelle wie bei der ersten Tabelle dieser Seite.
Warum es so schwer ist
Das Ergebnis ist typisch für das EEG und kein Versagen eines einzelnen Verfahrens. Mehreres kommt zusammen:
- Wenige Beispiele. Ein paar Dutzend Versuche pro Person sind wenig zum Lernen, doch jeder Versuch kostet die Freiwilligen Zeit und Konzentration.
- Kein Training. Die Freiwilligen stellten sich die Bewegungen vor, ohne zu sehen, was der Computer daraus machte. Mit Rückmeldung lernen viele Menschen über mehrere Sitzungen, deutlichere Muster zu erzeugen.
- Der Schädel. Knochen und Haut verschmieren die Signale benachbarter Hirnregionen.
- Menschen sind verschieden. Manche Gehirne erzeugen einen starken, leicht erkennbaren Mu-Rhythmus, andere kaum. Die BCI-Forschung kennt das Problem gut: Ein Teil der Nutzer kann ein EEG-System auch nach Training nicht steuern.
Deshalb entschlüsseln EEG-Systeme meist einfache Entscheidungen, etwa links oder rechts, ja oder nein oder welchen von mehreren aufblinkenden Buchstaben jemand ansieht. Implantate zeichnen viel mehr Details auf — deshalb stammen die eindrucksvollsten Ergebnisse, etwa das Entschlüsseln versuchter Sprache oder Handschrift, bisher von Implantaten.
| Verfahren | Wo die Elektroden sitzen | Was sie aufnehmen | Aufwand und Risiko | Typischer Einsatz |
|---|---|---|---|---|
| EEG | Auf der Kopfhaut, in einer Kappe | Summe der Aktivität von Millionen Nervenzellen, vom Schädel verwischt | Keine Operation, schnell angelegt | Forschung, Schlaf- und Epilepsiediagnostik, einfache BCI-Steuerung |
| ECoG | Auf der Oberfläche des Gehirns | Aktivität kleinerer Bereiche, schärfer und rauschärmer | Offene Hirnoperation | Planung von Epilepsie-Operationen, BCI-Forschung |
| Intrakortikale Elektroden | In der Hirnrinde | Signale einzelner Nervenzellen | Hirnoperation, Langzeitstabilität noch Forschungsthema | Studien, die Bewegung und Sprache nach Lähmung zurückgeben sollen |
So haben wir das Experiment durchgeführt
Wir haben das EEG Motor Movement/Imagery Dataset aus dem Projekt BCI2000 genutzt, veröffentlicht auf PhysioNet: Aufnahmen von 109 Freiwilligen, von denen wir 106 genutzt haben; 3 wurden mit einer anderen Abtastrate aufgenommen und blieben außen vor. Von jeder Person haben wir die drei Läufe genommen, in denen sie sich vorstellte, die linke oder rechte Faust zu schließen, 64 Kanäle mit 160 Messwerten pro Sekunde. Wir haben die Signale auf 8–30 Hz gefiltert, das Fenster von 0,5 bis 2,5 Sekunden nach jedem Hinweis ausgeschnitten und Common Spatial Patterns mit linearer Diskriminanzanalyse trainiert, für jede Person getrennt. Für den Mu-Rhythmus haben wir die Leistung zwischen 8 und 13 Hz während der Vorstellung mit den Ruhephasen derselben Aufnahmen verglichen. Alle Zufallsentscheidungen nutzen einen festen Startwert. Der nächste Teil wendet sich vom Gehirn zu den Chips: Was die Geschwindigkeit der Hardware begrenzt, auf der KI läuft.